科技巨頭齊聚中國AIGC產業峰會揭秘AI產業落地密碼

底層的基建，頂層的應用，垂直的場景，正在迎來海量的用戶。一個“萬物皆可AI”的時代已經到來。

4月16日，由量子位主辦的第三屆中國AIGC產業峰會在北京召開。大會以“萬物皆可AI”為主題，匯聚行業20余位頂尖大咖共同探討AI技術的創新應用與發展前景。“2025年值得關注的AIGC企業”“2025年值得關注的AIGC產品”兩個榜單揭曉，同時公布了《中國AIGC應用全景圖譜》，全面展現了國內AIGC產業的市場格局、技術演進與發展趨勢。

出席峰會的嘉賓陣容強大，覆蓋了AI產業鏈各環節的領軍企業。既有百度、華為、螞蟻集團等科技巨頭的技術掌舵人，也有微軟亞洲研究院、亞馬遜云科技等國際科技企業的研究專家；還有面壁智能、無問芯穹、生數科技、心影隨形、貍譜等AI新銳企業的領軍人物；不僅如此，粉筆、網易有道、趣丸科技、輕松健康集團、像素綻放PixelBloom、中關村科金、瑞萊智慧、PPIO派歐云、數勢科技等眾多垂直領域創新企業的實踐者都匯聚于此。

峰會圍繞算力基建革命、大模型在垂直場景的深度重塑以及AI落地過程中的安全可控挑戰等關鍵議題展開深入對話，為行業發展貢獻了前瞻性思考與實踐經驗。

AI如何落地千行百業

阮瑜

大模型場景

從簡單高容錯向復雜低容錯延伸

百度副總裁阮瑜認為大模型應用展現的三大趨勢：開發者可以輕松快速、低成本地開發出企業應用；大模型場景從簡單高容錯向復雜低容錯延伸；應用市場在從工具市場向專業服務市場拓展，市場潛力不斷爆發。

隨之而來的，可以看到大模型的應用形態也在不斷演進：從單模態到多模態，從單智能體到多智能體，從輔助決策向自主執行演進。在這個趨勢下，越來越多的大模型應用也將逐步解決用戶場景中的更多實際問題。

百度智能云一見就是在視覺領域應用深耕多年誕生出來的產品，其主要覆蓋三個場景，分別是安全生產（比如能源制造領域，沉淀了800多個安全生產模型）、連鎖合規（比如餐飲安全，有大量視覺場景需求）以及品質管控等。

阮瑜表示，整個AIGC應用在各個產業里面的創新，離不開產業各界的共同努力。期待未來隨著大模型技術的不斷發展，可以攜手各方共同去加速大模型應用在產業里面的落地、繁榮以及發展。

廖謙

隨著多模態生成能力

實時可控可交互

會誕生全新的內容平臺

生數科技產品副總裁、Vidu產品負責人廖謙帶來了多模態大模型生成方向的展望。

從整體技術發展來看，文本生成工作相對早，技術范式也更明確，解鎖的應用場景非常多；多模態起步稍晚一點，圖像生成發展很快，已經突破了技術奇點；而視頻生成這塊，現在的研發進入到黃金發展期。最近多模態還有個重要方向是具身智能，當多模態的模型可以利用更多維度的數據，也會帶來更高維度的智能涌現。

從產品來看，當前整個中國視頻生成/多模態生成的產品，不管是模型效果、用戶、商業化的進展，放眼全球都是相對領先的。那么視頻生成能干什么？在生數Vidu的實踐中，AI短片、動漫、大眾娛樂、廣告營銷、電商等都是可落地的場景。

不過當前還是有很多問題需要解決，下周生數將發布Vidu Q1模型，它將在“極致高質量”上帶來新的突破。

最后作為產品經理，廖謙對多模態大模型的終局進行了展望：“隨著多模態技術發展到可以做到實時可控可交互時，它完全做到個性化，到那時一定會誕生出全新內容平臺。這將在社交、游戲、VR、AR等多個行業領域帶來非常深遠的影響。”

陳建華

有多少Context

就有多少個性化

大模型的出現，打破了教育不可能三角。粉筆CTO陳建華分享了他們在AI教育領域的探索和實踐。

粉筆成立于2015年，是一家專注于職業考試培訓的互聯網教育公司。在陳建華看來，大模型落地教育有四個特點：聚焦學會，而非僅答案正確； 學習主動面臨巨大挑戰；遵循科學、系統的教研體系；場景嚴肅、準確率要求極高。

陳建華分享，粉筆在大模型教育應用探索有三個階段。

階段一，聚焦在內部、有限制、小場景中進行探索。2023年粉筆嘗試直接解題，結果正確率太低，解析不符合教研體系。不過在點評場景里，給出點評框架讓大模型發揮，卻發現效果非常不錯。

階段二，2024年粉筆正式推出AI老師，標志著從單點場景向系統化、多場景融合，得到不少收獲。

在第三階段，AI時代的全新產品—AI系統班發布，基于大模型、數字人、TTS等技術，AI系統班全程由AI老師驅動學習流程，且提供了更加個性化的學習體驗。

陳建華強調：有多少Context，就有多少個性化。展望未來，他表示，粉筆在模型賦能教育的探索將主要聚焦在兩個關鍵方向：多維度的個性化升級和三位一體的AI老師形態。

李大海

物理世界實現AGI

一定是通過端側智能

面壁智能聯合創始人、CEO李大海帶來了端側智能的分享，他從DeepSeek的成功切入主題，李大海認為其成功背后是天時地利人和的疊加，最底層是三個“密度”：高人才密度、高組織密度、高資源密度。他總結認為DeepSeek是在云端踐行高效大模型的組織，而面壁在端側秉承同樣的信念。

基于端側智能的長期實踐，李大海提出了“知識密度”的概念，即大模型同樣參數量能夠壓縮越多的知識，知識密度越高模型的智力就越強。李大海以具身智能為例展開介紹了兩個場景。

首先是汽車。李大海認為，汽車是第一個真正落地的具身智能。因為汽車的網絡不可能100%穩定，因此需要不受網路影響的端側模型可隨時隨地感知。

目前面壁已在車端落地了首個純端側Agent智能助手超級小鋼炮cpmGO，不僅包括去年12月即端側部署的首個純端側、Always On 的 GUI Agent 屏幕助手，還創造了覆蓋感知、決策、執行全場景。突破弱網斷網環境限制，實現低功耗高性能快響應的端側專屬優勢。

然后是機器人。李大海認為只有把大模型直接部署在機器人的腦子里，機器人才能穩定地靈敏感知與及時決策，相比云端具備先天的數據優勢與用戶信任感。

喻友平

“平臺＋應用＋服務”

是企業大模型落地的最佳路徑

中關村科金總裁喻友平的演講主題是“垂類大模型邁入商業化應用時代”，他介紹了中關村科金如何將大模型技術應用于企業服務領域。

喻友平強調，2025年大模型正式進入應用時代，企業面對大模型關注的核心問題其實是：大模型能否幫助增加收入、帶來更多客戶、節約成本或提高效率。

盡管企業應用面臨算力成本高、模型與業務融合難、數據處理低效等挑戰，但市場前景廣闊，而垂類大模型則是企業突圍的關鍵。

喻友平介紹，中關村科金是一家大模型技術與應用公司，具有10年+企業服務經驗，積累了深厚的行業產品基礎。

中關村科金提出了“平臺+應用+服務”的三級引擎戰略，是企業大模型落地的最佳路徑，其核心是基于得助大模型平臺訓練垂類大模型，打造有價值的智能化應用。

喻友平指出，大模型在企業的應用難以完全標準化，中關村科金與眾多合作伙伴一起訓練出面向不同場景和行業的垂類大模型，并打造出得助智能陪練、智能質檢、語音機器人、文本機器人、知識助手等有實用價值的智能應用。

最后他還介紹了在垂類大模型、垂類場景中，中關村科金在工程建設領域、船舶工業領域，以及金融、汽車、家裝等行業的一系列大模型落地案例。

張藝

“AI+教育”的想象力與落地

網易有道智能應用事業部負責人張藝圍繞AI教育，分享了有道一系列的大模型落地成果。

張藝認為大模型在教育場景天然地具有普適性，學校、家庭和自學三個場景非常關鍵，AI在不同場景扮演著不同的角色。比如在家庭場景，AI像家庭老師幫你輔導孩子，自學場景則更像是個學習搭子。

張藝介紹，業內一般將AI在教育領域的進展分為四個階段，目前AI已從“輔助教學”進化至“個性化學習”，正朝著成為“虛擬老師”努力。

以有道最新落地進展為例，張藝還談到，AI不僅重塑了原有業務，也帶來了全新的AI應用及硬件機會。有道自研的子曰翻譯大模型2.0最近以14B參數規模，在翻譯質量上保持行業領先，已在有道詞典、翻譯等產品中上線。

在AI原生應用方面，虛擬人口語私教產品Hi Echo，可以提供隨時隨地的口語練習，以及兒童模式、雅思模式等垂直內容，并屢獲蘋果應用商店推薦，成為教育垂直落地的代表。同時有道今年正在探索AI播客等全新領域，新產品有道文檔FM能實現超擬人音色生成，并已開啟全網公測。

而有道也在AI原生硬件發力，新品SpaceOne全面屏答疑筆，通過內置的AI家教“小P老師”實現全科答疑的同時，基于多模態識圖能力，還帶來更豐富的交互學習可能性。

如何為AI產業保駕護航

姚欣

AI時代需要“提速降費”讓免費成為可能

PPIO派歐云聯合創始人、CEO姚欣的演講從“AI大規模應用，成本非常關鍵”這一問題展開。他認為2025年整個AI行業的關注點已從大模型本身轉向了應用落地，特別是以Agent為核心的應用發展。AI應用普及面臨兩大挑戰：Agent單次任務消耗近百萬Token、中國互聯網用戶的免費習慣很難改變。

姚欣表示，目前如果要實現AI大規模應用和降本，AI Infra公司必須成為最懂上層模型和應用的底層硬件基礎設施公司。而這也是PPIO派歐云的定位。他詳細介紹了PPIO派歐云的技術策略。

一是持續跟進最新模型，整合更多開源模型，實現模型的推理加速；二是建立全局分布式算力調度系統，應對海量用戶請求；三是通過整合全國約4000個數據中心的閑置算力資源，覆蓋1200多個城市，提供10毫秒響應的算力服務。

成效方面，姚欣透露PPIO派歐云提供的整個AI推理服務，每年都能實現10倍左右的成本下降。PPIO平臺上每日Token消耗量已突破千億次，且每月保持超過50%的增速。他相信這一增長曲線將如早期移動互聯網一樣呈現陡峭上升態勢。

Troy Cui

提高數據質量和效率是

AI賦能的重要前提

亞馬遜云科技大中華區數據及存儲產品總監Troy Cui在分享中提出，AI最核心的競爭力仍然是企業自己的數據，如何將數據更快地變成洞察，是AI賦能的重要前置條件。

企業已經認識到數據對自身競爭力的重要性，但目前數據治理存在著諸多問題，比如多部門協作時的數據碎片化問題、傳統技術棧與云技術不兼容、傳統ETL（Extract-Transform-Load）開發維護成本高等。

針對行業痛點，亞馬遜云提出了一系列解決方案。

首先是統一數據與AI平臺Amazon SageMaker Unified Studio，提供一站式數據開發、模型訓練和部署環境，企業可以基于自身數據，用其在幾分鐘內構建一個低代碼的智能問答平臺。

然后是數據檢索工具，一個是集成在Amazon SageMake中的AI助手Amazon Q，支持自然語言快速生成復雜的SQL，可以幫助開發者判斷代碼是否存在知識產權的問題。

Troy Cui最后總結表示，云服務的基線已經從存儲、計算、網絡和數據庫轉變為存儲、計算、數據和AI-Infra，這也反映出AI在云計算越來越重要。

夏立雪

端云并舉改善算力供需矛盾

無問芯穹聯合創始人、CEO夏立雪指出，大模型發展逐漸步入推理規模擴展時代，算力需求將激增百倍，但粗放供給與精細需求矛盾日益凸顯。他將傳統裸金屬算力服務比喻為“高端毛坯房”—用戶需自主完成系統搭建與運維，使用門檻高且資源利用率低。構建高質量平臺化算力服務，幫助企業將分散算力升級為“AI賦能綜合體”式標準化服務，使中小開發者無需關注底層架構即可獲得完整AI服務生態。

無問芯穹正在相應技術堆棧上持續取得突破，在端側首創SpecEE推理框架，利用小參數模型縮減大模型搜索空間，實現AI PC等智能終端上2.43倍推理加速；云端創新推出semi-PD，結合融合式實例存儲優勢和分離式實例計算優勢，實現延時降低最高達5.6倍；另提出通用計算通信方案FlashOverlap，首次以基于信號的方式實現計算通信重疊以降低通信開銷，可在生產級和消費級顯卡上實現約1.5倍加速。

夏立雪強調，通過全鏈路算力服務平臺研發，無問芯穹正推動AI算力向“水電煤式”基礎設施進化，讓每份算力高效轉化為新質生產力。

田天

大模型落地關鍵在于智能體組織安全是核心前置門檻

大模型應用廣泛落地中，AI安全隱患、AI被濫用等問題開始涌現。在瑞萊智慧視角下，怎么去看待這一問題？

第一，首先關注去提升AI自身的可靠性和安全性，如越獄攻擊、偏見歧視、模型幻覺等，這是因為AI能力還不夠強，需要對AI自身進行加固。第二，隨著AI生成能力越來越強，技術本身也是一把雙刃劍，需要去防范AI濫用以及被人惡意應用所帶來的一些危害。第三，如果AI能力進一步增強，達到所謂AGI，能力全方位超越人類水平的時候，需要考慮怎樣保證AGI的安全發展。

圍繞AI的內生和衍生安全，瑞萊智慧經過長期實踐，已經有一系列平臺產品落地。對于怎么確保AGI安全發展，瑞萊也在進行一些前沿的布局研究，包括怎樣搭建超級對齊平臺，用AI監管AI，最終實現更加安全的超級智能。

可能大家會有疑問，是不是隨著AI大模型能力越來越強，甚至到了AGI時代，自然而然變得更加安全可控，就不需要進行獨立的安全研究和布局了。

類比人類社會智能的發展，古代人類個體智慧水平相比于現在，并沒有那么大的差異。但古代人類沒有辦法形成很強的生產力，而現代人類系統，通過強有力的組織形式和分工取得了前人所無法想象的成就，其關鍵就在于如何將智能體組織起來。

對于大模型也一樣，今天大模型已具備非常強的能力水平，我們不需要單一的智能體具備無所不能的能力，但如果把現有的智能體通過比較好的方式組織并融入各行各業的工作流之中，重構工作流程，就有可能大幅度解放AI的生產力。

在這個過程中，安全可控一定是非常核心的前置的門檻。

王輝

網絡安全進入新階段

AI成為網絡守護者

華為NCE數據通信領域總裁王輝在演講中表示，當前全球AI產業正處于全面加速狀態，帶來網絡升級、智能終端泛在和大模型普及等顯著變化，持續加劇了企業網絡安全風險。

他從網絡安全的視角講述了如何為AI產業保駕護航以及AI如何為網絡和安全產業做好深度賦能。

他表示，AI催生出了新的網絡安全攻擊場景，包括大模型越獄攻擊（利用大模型自身漏洞進行控制）、勒索軟件攻擊（大模型自動生成勒索變種）、社會工程學攻擊（大模型釣魚新型攻擊）等。

由此，網絡安全也進入了新的階段，他分享了華為的安全應對之道，即構建以AI為核心的新一代L4級網絡自動駕駛系統，實現網絡和安全的深度融合，整體包括三層：

智能網元：內生安全，保障網絡自主可控；內置AI，為整網智能化提供必要的數據要素；

網安融合：云網邊端的深度融合，形成網安一體的立體式防御作戰；

智能決策：在攻擊AI加持下，網絡智能體尤其關鍵，在傳統檢測與響應的工作流外，能夠更加自主地威脅分析、阻斷與處置閉環。

最后，王輝強調了四個觀點：第一，未來網絡安全將進入AI與AI對抗的螺旋式競爭階段，取決于進化的速度。第二，智能體的智能程度不是取決于對已知的決策，而是對未知的判斷。智能體當前還是采用了大量的外掛，是面向過去經驗的總結，提升模型自身的邏輯推理和規劃能力，才能從已知走向未知。第三，AI落地垂直行業是系統工程，不僅是引入大模型或智能體，更涉及硬件、軟件、模型甚至流程的重塑，緊密結合，相互協同，才能重構一個垂直行業。第四，在AI這場競爭中，要用最領先的AI技術賦能網絡，用最安全的網絡技術護航AI產業，推動新質生產力，做科技文明復興的守護者。

各行各業從業者怎么用AI

劉煒清

RD-Agent讓每個研究員

都有個Agent當科研助理

微軟亞洲研究院首席研究員劉煒清博士談到大語言模型時代下的數據科學新引擎RD-Agent，及其起源、現狀和未來。

回望過去十年產業相關落地應用和工作，常用的開發范式是在海量數據中找到有價值的特征來訓練模型，根據業務場景不斷迭代漸進的過程，最終得到智能化解決方案。但大模型時代到來，是等待被沖擊還是選擇被賦能？團隊研發RD-Agent的初衷旨在讓研究員和數據科學家人人都能擁有科研助理，來承擔起重復但高門檻的工作。只需要人類專家提供一個想法以及數據，RD-Agent就能完成代碼實現。

當前階段，他們更進一步的目標是構建通用的數據科學或機器學習智能體，以增強人類專家的能力和產出，甚至自動解決新場景和新問題并持續改進方案。通過引入領域知識和經驗優化算法，使其可以模仿人類專家，RD-Agent解決廣泛數據科學任務的能力得到了顯著增強，但也漸漸顯現出“只是模仿專家，很難達到更高境界”這種瓶頸，團隊正在快速迭代演進中嘗試以數據驅動的路線來突破這一瓶頸。目前RD-Agent在Kaggle比賽測試上已經能夠達到初階從業者的水平。未來他們期待RD-Agent可以自主發現新方法，能重塑數據科學和機器學習領域。

譚李

讓每個打工人

都能有數據分析和決策助手

“今天我給大家分享一個每個打工人都能擁有的數據分析和決策助手。”數勢科技聯合創始人譚李剛上臺就點明了這次演講的主題。

譚李首先從行業視角分析了數據分析領域的現狀和挑戰。他指出，即便是領先的互聯網公司或優秀的傳統企業，目前也只有10%的業務人員能隨時獲取所需數據，對于絕大多數業務人員來講經常遇到的問題是數據分析面臨大量的需求“排隊”。

他分析了三個關鍵趨勢正在加速新數據消費范式的到來：

數據右移：數據權重從采集、入倉向消費端遷移，“以消費促治理，以消費驅動數據生產”成為主旋律。

決策下移：從集中式決策轉向分散式決策，各部門需要作出敏捷決策。

管理后移：科技企業不再設置詳細的前期業務規則，而是“招到優秀的人給他好的命題讓他自主發揮”。

這三大趨勢在需求側，創造了大量數據即時消費的需求。而供給側，隨著DeepSeek的面世以及AI產業鏈各環節的發力，AI Agent落地的成本指數級降低。因此，AI Agent用于數據分析場景不僅成為剛需也成為可能。于是譚李介紹了數勢科技的新一代決策分析智能體SwiftAgent。

SwiftAgent是一款面向企業的數據分析與決策AI智能體，核心解決四層面問題：及時提供數據和事實，即需即給；給出深度洞察和智能歸因；生成智能報告，指引業務決策；關聯行動，自主進行長距離任務規劃和執行。

譚李還特別強調了企業級應用面臨的挑戰，為解決這些挑戰，數勢科技打造了完整的技術棧，解決企業級產品的數據安全、模型幻覺、計算性能問題。

最后，譚李宣布了數勢科技即將發布的智能分析Agent白皮書，作為行業方法論引領的重要一步。

徐達峰

AI重構前端開發的難點與解決

螞蟻集團平臺智能體驗技術負責人徐達峰基于團隊在前端從業開發的實踐，分享了AI編碼落地的難點與解決方案。

徐達峰表示，AI前端研發已成為行業共識，但在整個軟件研發的生命周期仍然有很大的提效空間，AI研發在企業落地主要面臨AI輔助編碼后續修改比率高、安全與可靠運行、兼容現有研發體系和思維模式等三大難點。

聚焦前端開發場景，螞蟻前端技術團隊打造了WeaveFox智能研發體系進行AI編碼，主要有圖生代碼、意圖生碼和AI質檢系統三大突破方向，讓AI能根據用戶輸入的設計圖或者工程上下文補充邏輯代碼，交付時通過多模態技術檢查產物質量。

當然對前端開發者來說，最棘手的不光是開發和改bug，還有不同終端的頁面適配。螞蟻前端技術團隊為此制定了圖生代碼的UI IR標準，讓AI前端開發一鍵跨端適配成為可能，能夠生成各種框架庫，比如說VUE和React，也包括后續的鴻蒙OS和安卓的一些界面實現類代碼。

對于目前WeaveFox已在阿里和螞蟻實際投產，據介紹，在超500名前端工程師的參與下，目前在設計圖交付動線場景下 AI 已累計生成合并接近100萬行代碼；研發效率最高可提升5倍。

賈朔

AI取代了重復性的音樂工作流

AI如何在音樂產業落地呢？趣丸科技副總裁賈朔分享了他們自身的觀察與探索。他首先指出2024年是AI音樂發展的重要節點，技術門檻、創作門檻大大降低。這既帶來機遇也帶來挑戰，音樂行業部分工作可能被AI替代或沖擊，也可能提高創作效率和質量。

站在2025年AI音樂應用元年的時間點，AI將以怎樣的方式給產業帶來正向影響？賈朔認為：一方面，很多AI產業化應用，有可能在背后默默進行；另一方面，他認為AI更有可能作為輔助的方式幫助現有的從業者、創作家，以更低的成本、更快的速度去完成更高質量的藝術創作。以之前的實踐來看，AI創作提效提速初步估算在10倍以上。

這也看到了一種新的可能性—AI的應用與傳統產業不是一個替代跟競爭的關系，更有可能是協助產業升級的方式。他們自研的音樂大模型在多模態音樂生成、中文人聲歌曲生成、編曲能力等方面都有特色，甚至還通過了專業學生盲測，多數評測者難區分人聲是機器還是真人，歌曲自然度已經突破音樂“圖靈測試”，效果超越美國頭部模型。

接下來2025年，應用層是他們探索的重要方向。當前他們以MIDI電子編曲為切入點，讓音樂人掌握藝術創作的方向盤，由AI輔助音樂人去快速地產生完整的作品。